Demystifying AI.... Wat?
Training: Demystifying AI
AI wordt vaak gepresenteerd als een ‘black box’, maar voor een developer is het simpelweg de volgende stap in software-architectuur. Hoe werken neurale netwerken echt? Wat is de rol van een vector database in een moderne applicatie? Leer in onze 3-daagse training AI Engineering de technische fundamenten achter de hype. Na afloop begrijp je niet alleen de theorie, maar kun je zelf een schaalbare AI-oplossing implementeren.
Alle informatie over de training: Demystifying AI
Tijdens de training AI Engineering trekken we het gordijn open. We gaan voorbij aan de simpele API-call en kijken naar de techniek die moderne AI mogelijk maakt. We starten bij de basis van deep learning en werken toe naar complexe architecturen waarbij externe data gekoppeld wordt aan taalmodellen. Deze training is hands-on: je bouwt systemen die niet alleen tekst genereren, maar die putten uit specifieke kennisbronnen met behulp van moderne ontwerp patronen.
De cursus bestaat uit drie dagen waarin we van de theoretische bouwstenen toewerken naar een werkende technische implementatie.
- Dag 1: De Fundamenten & Neurale Netwerken. We duiken in de wiskunde en logica achter neurale netwerken. Wat zijn weights, biases en activatiefuncties? Je leert hoe de Transformer-architectuur (de basis van bijna alle huidige LLM’s) werkt, inclusief het concept van ‘Attention’.
- Dag 2: Data, Embeddings & Vector Databases. AI begrijpt geen woorden, maar getallen (vectoren). Je leert hoe je ongestructureerde data omzet naar embeddings. We gaan aan de slag met vector databases zoals Pinecone, Weaviate of Milvus om razendsnel relevante informatie terug te vinden in miljoenen documenten.
- Dag 3: Orchestration & RAG. Je bouwt een Retrieval-Augmented Generation (RAG) systeem. We gebruiken frameworks zoals LangChain of LlamaIndex om de LLM te verbinden met je eigen vector database. Ook behandelen we ‘prompt engineering’ op technisch niveau en kijken we naar de deployment-uitdagingen van AI-modellen.
Deze training is bedoeld voor ervaren softwareontwikkelaars, data-engineers en technisch architecten die de overstap willen maken naar AI-ontwikkeling. We gaan ervan uit dat je comfortabel bent met programmeren (bij voorkeur in Python) en een goede basis hebt in datastructuren en API-integraties. Wiskundige basiskennis is een voordeel, maar we focussen op de praktische toepassing in code.
Benodigde voorkennis: Om de diepgang van deze training te kunnen volgen, is de volgende basiskennis vereist:
- Programmeerervaring: Je hebt een goede beheersing van Python (of bent een ervaren developer in talen als Java, C# of TypeScript en bereid je vooraf kort in te lezen in Python-syntax). Je begrijpt concepten zoals classes, functies en asynchrone programmering.
- Data & API’s: Je hebt ervaring met het werken met JSON-datastructuren en het aanroepen van REST API’s.
- Wiskundige basis: Je bent niet bang voor een beetje wiskunde. Je hoeft geen wiskundige te zijn, maar basisbegrippen uit de statistiek en lineaire algebra (zoals vectoren en matrices) worden kort aangehaald.
Tooling: Je bent gewend te werken met een IDE (zoals VS Code of PyCharm) en beschikt over basiskennis van Git.
In overleg.
De investering voor deze training is € 1.200,- per cursist. excl. btw
- Je begrijpt de werking van de Transformer-architectuur en neurale netwerken.
- Je kunt uitleggen hoe ’tokenization’ en ‘embeddings’ werken en deze zelf genereren.
- Je bent in staat een Vector Database te selecteren, in te richten en te bevragen.
- Je kunt een volledige RAG-pipeline opzetten om LLM’s te voorzien van private bedrijfsdata.
- Je begrijpt het concept van ‘semantic search’ versus traditionele ‘keyword search’.
- Je kunt werken met AI-orchestratie frameworks (zoals LangChain).
- Je kent de technische limitaties van LLM’s (zoals context windows en hallucinaties) en weet hoe je deze minimaliseert.
- Je kunt een inschatting maken van de rekenkracht (GPU/CPU) en kosten die nodig zijn voor een specifieke AI-oplossing.
